《模式分类》(英文版)(第2版)清晰地阐明了模式识别的经典方法和新方法,包括神经网络、随机方法、遗传算法以及机器学习理论。提供了大量双色图表,用于突出展示各种概念。收录了大量实用的例题。采用伪代码形式的模式识别算法。扩充了对正文有关键意的习题和计算机练习。用算法形式讲解特殊的模式识别和机器学习技术。每章后面均附有文献历史评述以及重要的参考文献。附录补充了必要的数学基础知识。
许多程序员可能并不知道,C++不仅是一个面向对象程序语言,它还适用于泛型编程(genericprogramming)。这项技术可以大大增强你的能力,协助你写出高效率并可重复运用的软件组件(softwarecomponents)。 本书由知名的C++专家MatthewH.Austern执笔,引导你进入泛型编程思维模型,并将你带往此一模型的最重要成品:C++StandardTemplateLibrary(STL)。本书揭示STL的奥秘,告诉你STL不仅仅是一组方便运用的容器类(containerclasses)。对于泛型组件和可交互作用的组件而言,STL是一个具备扩充能力的框架(framework)、《泛型编程与STL》阐述了泛型编程的中心思想:concepts、modeling、refinement,并为你展示这些思想如何导出STL的基础概念:iterators、containers、functionobjects。循此路线,你可以把STL想像为一个由concepts(而非明确之functions或classes)组成的程序库:、你将学习其正式结
如果你需要分析或处理Linux或Unix中的文本数据,这本有用的书籍就向你讲解了如何使用flex和bison迅速解决问题。《flex与bison》被期待已久,是经典OReilly系列书籍《lex&yacc》的续篇。在原书出版以来的近20年中,flex和bison已被证明比原来的Unix工具更可靠、更强大。《flex与bison》一书涵盖了Linux和Unix程序开发中相同的重要核心功能,以及一些重要的新主题。你会找到适用于新手的修订教程和适用于高级用户的参考资料,以及对每个程序的基本用法的解释,并且运用它们创建简单、独立的应用程序。有了《flex与bison》,你会发现这些灵活的工具提供的广泛用途。
密码学涉及解决通信保密问题的计算系统的概念、定义及构造。密码系统的设计必须基于坚实的基础。本书对这一基本问题给出了系统而严格的论述:用已有工具来定义密码的目标并解决新的密码学问题。全书集中讨论了基本的数学工具:计算困难性、伪随机性以及零知识证明等。本书的重点是澄清基本概念及证明密码学问题解决方法的可行性。而不侧重于对特殊方法的描述。
图论在计算科学、社会科学和自然科学等各个领域都有广泛应用。本书是本科生或研究生一学期或两学期的图论课程教材。全书力求保持按证明的难度和算法的复杂性循序渐进的风格,使学生能够深入理解书中的内容。书中包括对证明技巧的讨论、1200多道习题、400多幅插图以及许多例题,而且对所有定理都给出了详细完整的证明。虽然本书包括许多算法和应用,但是重点在于理解图论结构和分析图论问题的技巧。
本书为全英文读物,对机器学习和数据挖掘的最重要发展领域进行了全面的介绍,展现了一个主要由VladimirVapnik创立的统计学习理论的全新领域,它以正则化技术的研究成果为基础,在数学方法和应用技术两个方面都可能成为一座真正的科学金矿。书中条理清晰,逻辑严密,是值得数学家和工程师一读的读物。 支持向量机(SupportVectorMachine,SVM)是建立在统计学理论最新进展基础上的新一代学习系统。本书是第一本全面介绍支持向量机的著作。支持向量机是在20世纪90年代初提出的,随之引发了对这种技术的广泛应用和深入理论分析。至今在若干实际应用(如文本编目、手写字符识别、图像分类和生物进化链分析等)中,支持向机量足以提供最佳的学习性能,而且在机器学习与数据挖掘中已被确立为一种标准工具。学生将会发现本书不仅对他们具有激励作